- •А.И. Ходанович математическое моделирование на компьютере
- •История математического моделирования на компьютере
- •Задачи аналитического и численного моделирования
- •1. Симметрия и модели с числовыми последовательностями
- •1.1 Формула пути равнопеременного движения
- •1.3 «Золотое сечение» и числа Фибоначчи
- •Равенство тяжелой и инертной массы в свободном падении
- •1.4 Сопротивление бесконечной электрической цепи
- •1.5 Сопротивление конечной электрической цепи
- •1.6 «Золотое сечение» в поле тяготения
- •2.2 Реальная динамика тела в среде
- •2.3 Цепная линия и метод кратных скобок Пуассона
- •2.4 Баллистическая кривая
- •2.5 Модели космической динамики
- •2.6 Посадка «Гюйгенса» на Титан
- •Задача Кеплера
- •Слайд 10. Компьютерно-графическое моделирование в небесной механике
- •2.8 Орбита в пространстве скоростей
- •2.9 Конические сечения в поле тяготения
- •2.10 Прецессия орбиты при малом возмущении
- •2.11 Задача трех тел в небесной механике
- •2.12 Задача о брахистохроне
- •Слайд 11. Иллюстрация экстремальной траектории в поле тяготения
- •2.13 Управление таймером в режиме реального времени
- •2.14 Физический опыт и модель измерений
- •2.15 Водяные часы
- •2.16 Фракталы в комплексной плоскости
- •Слайд 14. Комплексные отображения в нелинейной динамике
- •3. Колебания и адиабатические инварианты
- •3.1 Гармонический осциллятор
- •3.2 Задача «Бездонный колодец»
- •3.3 Фигуры Лиссажу
- •3.4 Параметрические колебания
- •3.5 Маятник Капицы
- •3.6 Хаотическое поведение маятника и отображение Пуанкаре
- •3.8 Задача с соударениями
- •3.9 Хаотические колебания при соударениях
- •3.10 Представление колебаний рядом Фурье
- •3.11 Два тела на пружине
- •3.12 Цепочка Ферми-Паста-Улама
- •3.13 Линейная цепочка связанных осцилляторов
- •3.14 Колебания мембраны в интерактивной графике
- •3.15 Вращение частицы в трехмерной графике
- •4. Вероятностно-статистическая линия математического моделирования
- •4.1 Нормальное распределение и статистический критерий
- •4.2 Распределение расстояний между молекулами газа
- •4.3 Радиоактивный распад изотопа
- •4.4 Флуктуации и биномиальный случай
- •4.5 Статистическое распределение с бесконечной дисперсией
- •4.6 Закон больших чисел и центральная предельная теорема
- •4.7 Статистические усреднения в эксперименте
- •4.8 Диффузия в модели случайных блужданий
- •4.9 Иерархия временных масштабов в броуновской динамике
- •4.10 Метод Монте-Карло с генератором случайных чисел
- •4.11 Алгоритмы числа
- •4.12 Модели плоских фигур
- •4.13 Площадь круга с малым возмущением
- •4.14 «Игла Бюффона»
- •4.15 Выделение сигнала на фоне «шумов»
- •4.16 Регрессионная модель эксперимента и метод наименьших квадратов
- •4.17 Модели линейной регрессии в планировании эксперимента
- •5. Дидактические игры математического моделирования
- •5.1 «Телепат»
- •5.2 Игрушка «Раскидай»
- •5.3 Игрушка «Ванька-встанька»
- •5.4 Игра Баше
- •5.5 «Перевернутая» игра Баше
- •5.6 Игра в 15
- •Литература
- •Ходанович
4.10 Метод Монте-Карло с генератором случайных чисел
Среди распространенных вероятностных математических методов отметим методы Монте-Карло к изучению которых приводит проблемная задача: каким образом можно с помощью кучи камней измерить площадь пруда? Предположим, что пруд расположен в центре поля известной площади S. Бросайте камни произвольным, случайным образом так, чтобы они падали в случайных точках в пределах поля, и считайте количество всплесков при попадании камней в пруд. Площадь пруда приблизительно равна площади поля, умноженной на долю камней, попавших в пруд [16]. Эта простая процедура является примером статистического метода Монте-Карло, названного в честь известного казино в Монако.
Поясним подробнее суть этого метода. Представим себе прямоугольник высотой H и длиной b-a такой, что функция f(x) лежит внутри него (рис.46).
Генерируем
n пар случайных чисел
,
удовлетворяющих условиям
и
.
Доля точек
,
которые удовлетворяют условию
представляют собой оценку отношения
интеграла от функции f(x)
к площади прямоугольника. Отсюда оценка
площади криволинейной трапеции Sn
в методе
"проб и ошибок" определяется
выражением
,
где m
- число "всплесков" или точек,
лежащих под кривой, n_
общее количество точек (испытаний), а
S_
площадь прямоугольника.
Другая
разновидность метода Монте-Карло
основывается на теореме "о среднем"
(интеграл функции определяется средним
значением подынтегральной функции на
отрезке
.
) Для вычисления этого среднего возьмем
не с постоянным шагом, а случайным
образом и произведем выборку значений
f(x).
Рис.46. Геометрия метода Монте-Карло
Оценка одномерного интеграла методом "выборочного среднего" выражается формулой
,
где
_
случайные числа, равномерно распределенные
на отрезке интегрирования (a,b)-
;
random-
функция генератора "случайных"
чисел, равномерно распределенных на
единичном отрезке (0,1),
предусмотренном в различных системах
программирования; n_
число испытаний.
Рис. 47. «Шум» генератора «случайных» чисел
В
качестве примера расчета интегралов
этим методом рассмотрим нахождение
центра масс и момента инерции твердых
тел. Предположим, что масса распределена
непрерывно с известной плотностью. Для
простоты будем рассматривать двухмерные
фигуры. Масса малого элемента площади
dxdy
равна
,
а полная масса тела равна
.
Пределы интегрирования определяются геометрией тела. Аналогично можно выразить координаты центра масс X, Y:
и
.
Если тело вращается вокруг оси z,
то его момент инерции равен
.
Вычисление приведенных интегралов методом "выборочного среднего" осуществляется просто. Например, обобщение метода выборочного среднего для вычисления момента инерции имеет вид:
,
где
_
оценка для n
испытаний,
_
независимые случайные числа из области
интегрирования S.
4.11 Алгоритмы числа
Первый расчет отношения длины окружности к ее диаметру принадлежит Архимеду (3 век до н.э.). Он установил, что 223/71 < < 22/7. Вызывает уважение тот факт, что ученый уже тогда не претендовал на установление точного значения числа.
К началу XVII века было вычислено 35 знаков десятичного разложения числа . Этот рекордный результат принадлежал профессору математических и военных наук Лейденского университета Лудольфу ван Цейлену. Как и многие предшественники, Цейлен в своих кропотливых вычислениях (продолжавшихся всю жизнь!) опирался на разработанный Архимедом метод вписанных и описанных окружностей.
Новые инструментальные средства математического анализа, которые стали применять исследователи в конце XVII века, позволили взглянуть на число с совершенно неожиданной стороны.
Немецкому математику Готфриду Вильгельму Лейбницу принадлежит красивая формула разложения в ряд
позволяющая, по крайней мере, в принципе, вычислять число со сколь угодно высокой точностью.
Слайд 27. Время счета по формуле Лейбница для числа
в Pascal- программе
Другие расчетные зависимости по литературным данным получили Авраам Шарп (1699 г.)- 71 точный знак числа и Джон Мэчин (1706 г.)- 100 десятичных знаков числа . В 1794 году артиллерист и математик Юрий Вега указал значение числа с точностью до 140 десятичных знаков, из которых точными оказались 136. Этот рекорд продержался около 50 лет.
Другие формулы из истории числа .
|
Эйлер |
|
Эйлер |
|
Валлис |
Сегодня с помощью компьютера вычислено свыше триллиона десятичных знаков числа (при этом используются алгоритмы современной математики).
Указание. Вычислить площадь единичного круга методом Монте-Карло используя генератор случайных чисел. Оценить точность и время счета. Сравнить результат с другими алгоритмами числа .
Слайд 28. Гистограмма цифр в числе
